Machine Learning Model for Ductility-Based Blast Damage Assessment of Reinforced Concrete Columns

본 연구의 목적은 변위 기반 내폭 성능 평가기법을 기반으로 한 신속 폭발손상 평가 기계학습 모델을 개발하는 것이다. 해당 모델은 파괴유형에 따른 폭발손상 예측 정확도의 향상을 위해 2가지의 기계학습 모델이 결합 되어있는 Multi-Step Learner로 구성하였다. 해당 모델의 입력변수는 기둥 상세, 폭발 규모, 그리고 기계학습 모델을 통해 도출한 파괴유형이며, 출력 변수는 변위 연성도 기반 폭발손상 등급이다. 모델 개발을 위해 학습 및 검증에 필요한 데이터베이스는 과거 연구에서 개발한 유한요소해석모델을 통해 도출하였으며, 높은 예측 성능을 도출하기 위해 7가지의 분류 학습기를 학습하여 높은 예측 성능을 보이는 Best-fit 모델을 선정하였다. 우수한 성능을 보인 Ensemble 기법은 검증 데이터에서 다른 학습기 대비 41.05 % 향상된 F-score 값과 14.65 % 향상된 AUC 값을 나타내었다.